(0721) 8030188    [email protected]   

Perbandingan Analisis Klasifikasi Random Forest Dan Regresi Logistik Biner Pada Status Pulang Pasien BPJS Kesehatan


Seiring dengan perkembangan teknologi dan analisis data, penggunaan teknik data mining dalam dunia kesehatan makin banyak digunakan. Metode random forest dan regresi logistik biner merupakan dua pendekatan data mining yang dapat digunakan untuk klasifikasi. Penggunaan teknik tersebut dapat menghasilkan pengetahuan terkait klasifikasi estimasi status pulang pasien dengan faktor – faktor yang mempengaruhnya. Status pulang pasien merupakan salah satu indikator penting dalam fasilitas kesehatan. Faktor – faktor yang mempengaruhi status pulang pasien mencakup informasi kondisi klinis pasien hingga fasilitas kesehatan yang diterima pasien tersebut. Penelitian ini menggunakan data pasien rawat inap BPJS Kesehatan salah satu rumah sakit yang ada di Provinsi Lampung. Tujuan dari penelitian ini adalah menghasilkan model klasifikasi dari kedua metode dan membandingkan akurasi dari model yang dihasilkan. Penelitian ini menunjukkan bahwa nilai akurasi yang dihasilkan pada metode random forest yaitu sebesar 69,26

URI
https://repo.itera.ac.id/depan/submission/SB2409030040

Keyword
data mining klasifikasi random forest regresi logistik biner